AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
登录
登录
AI 简历
简历模板
简历范文
模拟面试
求职导师
校招
求职攻略
大学生求职地图
求职攻略文章
浏览器插件
关于我们
我要招人
首页
面试题库
蚂蚁集团面试题
为什么强化学习在训练过程中会出现不稳定问题?
蚂蚁集团面试题
更新 2026-08-05
为什么强化学习在训练过程中会出现不稳定问题?
蚂蚁集团
人工智能
互联网/IT
问题拆解
风险判断
技术原理
考察说明
考察对强化学习训练不稳定成因的理解
回答思路
指出环境交互带来的非独立同分布数据
解释奖励信号稀疏或噪声导致方差大
说明策略更新与数据分布相互影响
提到超参数敏感与探索利用平衡问题
本题已收录答题指导
本题附完整参考答案与评分标准
登录后可查看结构化答题指导;也可以直接开一场模拟面试,AI 面试官用本题实时追问并给出评分。
开始模拟面试
登录查看答题指导
换一题
上一题
MySQL增删时Bitmap是如何更新的,MySQL、Redis缓存和Bitmap之间是什么关系?
下一题
请解释volatile关键字的可见性和有序性原理。
本题还出现在
互联网/IT行业面试题
人工智能面试题